python - 删除 lxml 中的 img 标签

Question

我有这个代码:

from lxml.html import fromstring, tostring

html = "<p><img src='some_pic.jpg' />Here is some text</p>"

doc = fromstring(html)
img = doc.find('.//img')
doc.remove(img)

print tostring(doc)

输出是:<p></p>

为什么删除 img 标签也会删除它后面的文本？换句话说，为什么没有打印出结果:<p>Here is some text</p>我怎样才能只删除该标签而不删除文本？请注意，即使我在 img 上包含一个明确的结束标记，我也会得到相同的结果，即:

html = "<p><img src='some_pic.jpg'></img>Here is some text</p>"

Answer 1

Here is some text 文本是 img 标签的 tail - 它是一个元素的一部分，它正在被一个元素删除.

要保留 tail - 将其分配给 img parent 的文本:

from lxml.html import fromstring, tostring

html = "<p><img src='some_pic.jpg' />Here is some text</p>"

doc = fromstring(html)
img = doc.find('.//img')
parent = img.getparent()
parent.text = img.tail
doc.remove(img)

print tostring(doc)

打印:

<p>Here is some text</p>